买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南昌大学申请的专利一种基于法向接触力变化的打磨工艺参数自适应方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115374700B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210988264.7，技术领域涉及：G06F30/27；该发明授权一种基于法向接触力变化的打磨工艺参数自适应方法是由李春泉;姚凯文;陈义洁;朱文德;刘家风;陈庚;刘小平设计研发完成，并于2022-08-17向国家知识产权局提交的专利申请。

本一种基于法向接触力变化的打磨工艺参数自适应方法在说明书摘要公布了：本发明提供了一种基于法向接触力变化的打磨工艺参数自适应方法，步骤1，设计正交中心组合实验；步骤2，用深度偏最小二乘算法建立磨削工艺参数与表面粗糙度和材料去除深度的预测模型；步骤3，构建改进阿基米德优化算法；步骤4，建立满足磨削要求的目标优化函数，确定K1和K2的值；步骤5，利用改进阿基米德优化算法来计算不同法向接触力情况下各工艺参数的最优结果。本发明基于4因素3水平的正交中心组合试验，采用偏最小二乘算法建立磨削工艺参数与表面粗糙度和材料去除深度的预测模型具有较高的预测精度；对于实际打磨中法向接触力较难控制的部位，可以通过本发明保证加工过程中表面粗糙度和材料去除深度的一致性。

本发明授权一种基于法向接触力变化的打磨工艺参数自适应方法在权利要求书中公布了：1.一种基于法向接触力变化的打磨工艺参数自适应方法，其特征在于：包括以下步骤： 步骤1、设计正交中心组合试验： 正交中心组合试验中机器人砂带磨削中影响表面粗糙度和材料去除深度的主要工艺参数有：砂带线速度vs，进给速度vf,法向接触力Fn，砂带的粒度P，依据单因素试验设计4因素3水平的正交中心组合表并进行试验，在垂直磨削轨迹方向测量5点并取平均值作为最终表面粗糙度Ra；测量磨削路径上3点的深度值h并取平均作为材料去除深度MRD； 步骤2、用深度偏最小二乘算法建立磨削工艺参数与表面粗糙度和材料去除深度的预测模型： 利用步骤1得到的数据对深度偏最小二乘模型进行训练，建立工艺参数与表面粗糙度和材料去除深度的预测模型，用工艺参数P、、、还有表面粗糙度Ra和材料去除深度MRD作为深度偏最小二乘模型的输入数组，在所有投影矩阵和预测矩阵求解完毕后，输入工艺参数即可得到表面粗糙度Ra和材料去除深度MRD的预测值； 步骤3：根据磨削要求设计优化目标函数，具体的函数如下： ； 其中和为期望的表面粗糙度和材料去除深度，和为通过深度偏最小二乘算法所建立的材料去除深度和表面粗糙度预测模型输出，和是表面粗糙度和材料去除深度的权重系数，其中限制为0-1之间，且和为1； 步骤4、利用改进阿基米德优化算法NSAOA来计算不同法向接触力情况下各工艺参数的最优结果曲线； 步骤4优化具体步骤描述为： ①读取训练数据和测试数据，并且对其进行归一化处理； ②确定P、、、四个参数的搜索范围，在解空间中随机初始化工艺参数P、、、的初始位置； ③将种群中每个个体输入到步骤2所训练好的深度偏最小二乘模型当中，得到每个个体对应的表面粗糙度Ra和材料去除深度MRD的值； ④通过步骤3所建立的优化函数，算出NSAOA里当前种群每一个个体的适应度值，并记录最优适应度个体的位置、密度、体积和加速度； ⑤按照改进阿基米德优化算法的步骤重复③④过程进行不断迭代，最终得到当前法向量力下最优的工艺参数值； ⑥针对不同的打磨法法向量接触力，重复执行过程⑤，并将数据结果绘制成函数曲线，用于实际打磨时指导各工艺参数的变化； 改进阿基米德优化算法包括以下步骤： 步骤一：初始化种群：在目标函数的搜索空间随机生成当前种群P每一个体的初始位置xi、个体密度deni、体积voli、和加速度acci，初始值计算方法重复如下： ； 其中i=1,2,3,…,N，N是种群的数量，j=1,2,…,D，D是所求函数自变量的维数，和则分别代表预设的、、、的约束范围中的最大值和最小值，rand是[0,1]内随机分布的随机数； 步骤二：自我更新：在每次迭代开始时，随机更新当前个体的密度以及体积，更新公式如下： ； ； 其中和表示第次迭代第个个体的密度和体积； 步骤三：计算迁移因子和密度因子：AOA根据浸泡在流体中的物体是否发生碰撞分成了全局搜索和局部开发两个阶段，而迁移因子主要用于实现全局搜索阶段和局部开发阶段的切换，其计算方式如下： ； 其中为当前迭代次数，为最大迭代次数，exp表示以e为底的指数函数，会随着迭代次数的增加逐渐增加至1，为密度因子，随着迭代次数的增加而减小，有助于从全局搜索阶段过渡至局部开发阶段，其计算方式如下： ； 步骤四：搜索与开发阶段：当TF≤0.5时说明物体之间发生了碰撞，进行全局搜索，此时随机选一个体Mr，个体加速度的更新如下： ； 其中、和为随机选出个体的密度、体积和加速度，当TF0.5时物体之间未发生碰撞，进行局部开发，个体加速度的更新如下： ； 其中、和为当前最优个体的密度、体积和加速度，此外对加速度进行归一化处理： ； 其中和为常数0.9和0.1； 步骤五：最优邻域扰动策略：引入最优邻域扰动策略来增加对附近区域的搜索，帮助算法在全局搜索时跳出局部最优，对最优位置进行邻域扰动的过程如下： ； 其中为扰动后生成的位置，为全局搜索后更新的个体位置，，，为0到1之间的随机数，同时对于扰动后的邻域位置需要用到贪心算法判断结果是否需要保留，贪心算法的计算过程如下： ； 其中为贪心算法得出的最优位置，为位置对应的适应度值； 步骤六：个体位置更新：当TF=0.5时处于搜索阶段，当TF0.5时处于开发阶段，随机选一个个体Mr，个体位置的更新如下： ； 其中，，、、、和为固定常数，F为用于决定迭代位置更新的方向因子，当时为，时F为； 步骤七：停滞扰动策略：引入基于莱维飞行的停滞扰动策略对种群位置进行扰动以此来扩大搜索区域和增加群体的多样性，产生服从莱维分布的随机步长s方法如下： ； 其中、服从正态分布，，，并且： ； 当群体中历史最优位置的适应度值连续5次迭代没有发生变化时表示搜索陷入停滞，此时采用莱维飞行策略扰动群体中个体的位置，帮助算法跳出局部最优，基于莱维飞行的停滞扰动策略个体更新方式如下： ； 其中为比例因子，表示服从标准正态分布的随机数； 步骤八：保存最优适应度值：利用目标函数进行评估，选出当前迭代最优适应度个体的位置、密度、体积和加速度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。